SlideShare ist ein Scribd-Unternehmen logo

AIによるテスト・デバッグ技術 イントロ＆チュートリアル

•
•
Fuyuki Ishikawa
Fuyuki Ishikawa

2018/12/14 第1回AI4SEセミナー

Software
1 von 25
Downloaden Sie, um offline zu lesen
◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼
◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼
◼ ◼ ◼ ◼
◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
• • • • • • • • • •
◼
◼
◼
◼ ◼ ◼ ◼

Empfohlen

最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門joisino
 
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習cvpaper. challenge
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法Deep Learning JP
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明Satoshi Hara
 
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and EditingDeep Learning JP
 
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話Yusuke Uchida
 
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜SSII
 
Data-Centric AIの紹介
Data-Centric AIの紹介Data-Centric AIの紹介
Data-Centric AIの紹介Kazuyuki Miyazawa
 

Empfohlen

最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門joisino
 
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習cvpaper. challenge
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法Deep Learning JP
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明Satoshi Hara
 
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and EditingDeep Learning JP
 
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話Yusuke Uchida
 
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか？〜SSII
 
Data-Centric AIの紹介
Data-Centric AIの紹介Data-Centric AIの紹介
Data-Centric AIの紹介Kazuyuki Miyazawa
 
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展Deep Learning JP
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925小川 雄太郎
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化Yusuke Uchida
 
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language ModelsDeep Learning JP
 
【 xpaper.challenge 】ブレインストーミング法
【 xpaper.challenge 】ブレインストーミング法【 xpaper.challenge 】ブレインストーミング法
【 xpaper.challenge 】ブレインストーミング法cvpaper. challenge
 
テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明tmtm otm
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII
 
Action Recognitionの歴史と最新動向
Action Recognitionの歴史と最新動向Action Recognitionの歴史と最新動向
Action Recognitionの歴史と最新動向Ohnishi Katsunori
 
ドメイン適応の原理と応用
ドメイン適応の原理と応用ドメイン適応の原理と応用
ドメイン適応の原理と応用Yoshitaka Ushiku
 
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化Yusuke Uchida
 
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement LearningPreferred Networks
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Preferred Networks
 
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? Deep Learning JP
 
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎Takumi Ohkuma
 
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みSAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みMasahiro Sakai
 
自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）cvpaper. challenge
 
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－Deep Learning JP
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方Shinagawa Seitaro
 
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State SpacesDeep Learning JP
 
機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021Fuyuki Ishikawa
 
Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Fuyuki Ishikawa
 

Weitere ähnliche Inhalte

Was ist angesagt?

【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展Deep Learning JP
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925小川 雄太郎
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化Yusuke Uchida
 
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language ModelsDeep Learning JP
 
【 xpaper.challenge 】ブレインストーミング法
【 xpaper.challenge 】ブレインストーミング法【 xpaper.challenge 】ブレインストーミング法
【 xpaper.challenge 】ブレインストーミング法cvpaper. challenge
 
テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明tmtm otm
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII
 
Action Recognitionの歴史と最新動向
Action Recognitionの歴史と最新動向Action Recognitionの歴史と最新動向
Action Recognitionの歴史と最新動向Ohnishi Katsunori
 
ドメイン適応の原理と応用
ドメイン適応の原理と応用ドメイン適応の原理と応用
ドメイン適応の原理と応用Yoshitaka Ushiku
 
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化Yusuke Uchida
 
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement LearningPreferred Networks
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Preferred Networks
 
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? Deep Learning JP
 
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎Takumi Ohkuma
 
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みSAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みMasahiro Sakai
 
自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）cvpaper. challenge
 
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－Deep Learning JP
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方Shinagawa Seitaro
 
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State SpacesDeep Learning JP
 

Was ist angesagt? (20)

【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
【DL輪読会】マルチエージェント強化学習における近年の 協調的方策学習アルゴリズムの発展
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
 
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
 
【 xpaper.challenge 】ブレインストーミング法
【 xpaper.challenge 】ブレインストーミング法【 xpaper.challenge 】ブレインストーミング法
【 xpaper.challenge 】ブレインストーミング法
 
テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明テーブル・テキスト・画像の反実仮想説明
テーブル・テキスト・画像の反実仮想説明
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
 
Action Recognitionの歴史と最新動向
Action Recognitionの歴史と最新動向Action Recognitionの歴史と最新動向
Action Recognitionの歴史と最新動向
 
ドメイン適応の原理と応用
ドメイン適応の原理と応用ドメイン適応の原理と応用
ドメイン適応の原理と応用
 
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
 
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
 
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
 
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
 
深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎深層学習によるHuman Pose Estimationの基礎
深層学習によるHuman Pose Estimationの基礎
 
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組みSAT/SMTソルバの仕組み
SAT/SMTソルバの仕組み
 
自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）
 
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－
[DL輪読会]`強化学習のための状態表現学習 －より良い「世界モデル」の獲得に向けて－
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
 
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
 

Mehr von Fuyuki Ishikawa

機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021Fuyuki Ishikawa
 
Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Fuyuki Ishikawa
 
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）Fuyuki Ishikawa
 
ロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチFuyuki Ishikawa
 
機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアル機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアルFuyuki Ishikawa
 
Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019Fuyuki Ishikawa
 
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰Fuyuki Ishikawa
 
IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線Fuyuki Ishikawa
 
（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門Fuyuki Ishikawa
 
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見Fuyuki Ishikawa
 
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへスマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへFuyuki Ishikawa
 
機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けて機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けてFuyuki Ishikawa
 
自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成Fuyuki Ishikawa
 

Mehr von Fuyuki Ishikawa (13)

機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021
 
Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems
 
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
 
ロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチ
 
機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアル機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアル
 
Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019
 
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
 
IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線
 
（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門
 
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
 
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへスマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
 
機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けて機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けて
 
自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成
 

AIによるテスト・デバッグ技術 イントロ＆チュートリアル